python - 我的 pos_tag 遍历每个字母，我需要它应用于整个单词

Question

我正在为任何将创建的输入文本创建一个Python模板 每个单词的 XML 条目及其所属的 POS(词性)。

我使用 nltk 中的 pos_tag，但是当我获取单词并尝试对其进行标记时，它会标记每个字母而不是整个单词。

for word in textList:
    if word in typeList:
        tokenRest += 1
    else:

        wordXML = '<word number="' + str(corpusList) + '">'
        wordformXML = "<wordform>" + word + "</wordform>"
        posTag = "<POS>" + str(pos_tag(word)) + "</POS>"
        fullWordXML = wordXML + "\r\n" + wordformXML + "\r\n" + posTag + "\r\n"
        resultList.append(fullWordXML)
        typeList.append(word)
        corpusList += 1


print (resultList)

在posTag = "<POS>" + str(pos_tag(word)) + "</POS>"我期望包含该单词的 pos_tag 输出包含该单词及其 POS 标签的字典。我得到的是一本字典，其中包含单词的每个字母以及每个字母的 POS 标签。像这样:

词形“看似”的输出类似于 <POS>[(\'s\', \'NN\'), (\'e\', \'NN\'), (\'e\', \'IN\'), (\'m\', \'NN\'), (\'i\', \'NN\'), (\'n\', \'VBP\'), (\'g\', \'NN\')]</POS> ，其输出应如下所示:

<POS>[(\'seeming\', \'NN\')]<POS>

有没有办法确保 pos_tag 适用于整个单词，或者我应该使用其他东西？

PS:我正在努力从字典中提取标签作为字符串，所以最终的代码不会像这样。目前，我只需要有关此问题的帮助。

Answer 1

nltk.tag.pos_tag 需要一个标记列表。如果您向它提供一个字符串，它会使用该字符串作为列表，并将每个字符解释为一个标记，并尝试为每个字符分配一个 POS。使用变量“word”，您可以执行 pos_tag([word]) 来对单个单词进行操作。

请参阅NLTK documentation on pos_tag了解更多信息。